改进全卷积神经网络的甲状腺结节分割方法

作者：张雅婷; 帅仁俊^*; 黄道宏; 赵宸; 吴梦麟

来源：数据采集与处理, 2023, 38(04): 873-885.

DOI：10.16337/j.1004-9037.2023.04.011

• 甲状腺结节
• 分割
• 特征提取
• 空洞空间卷积池化金字塔

为了更加精确地分割出甲状腺结节，本文提出了一种改进的全卷积神经网络（Fully convolutional network,FCN）分割模型。相较于FCN，本文方法加入了空洞空间卷积池化金字塔（Atrousspatialpyramidpooling,ASPP）模块与多层特征传递模块（Featuretransfer,FT），并采用LinkNet模型中Decoder模块进行上采样，VGG16主干网络实现特征提取下采样。实验采用来自斯坦福AIMI(Artificial intelligence in medicine and imaging)共享数据集的17 413张超声甲状腺结节图像分别用于训练、验证和测试。实验结果表明，相比于其他多种分割模型，本文模型在平均交并比（mean Intersection over union,mIoU）,Dice相似系数，F1分数3个分割指标上分别达到了79.7%,87.6%和98.42%，实现了更好的分割效果，有效地提升了甲状腺结节的分割精确度。

• 出版日期2023
• 单位南京工业大学